近日，我院李少英教授指导的硕士研究生庄财钢在Annals of the American Association of Geographers发表题为“Unveiling Disparities in Bicycling Mobility Patterns Across Socioeconomic Statuses: A Framework for Identifying User Profiles in Dockless Bike-Sharing Systems”的研究论文。该论文提出了一种识别骑行用户个体社会经济画像与出行活动画像的新框架，进而解构不同社会经济水平骑行群体的出行模式差异。链接地址：https://doi.org/10.1080/24694452.2025.2463508

01论文概要

骑行作为一种健康环保、灵活便捷的慢行出行方式，在推动城市交通的绿色与可持续发展中发挥着重要作用。其中，如何提高骑行的公平性以促进居民的骑行出行意愿是当前城市交通研究的一个热点话题。海量共享单车大数据涌现后，为骑行出行模式研究提供了新的数据。尽管共享单车数据集具有大样本和高时空分辨率的优势，但它们无法记录关于骑行者个人属性或活动的语义信息，限制了关于不同群体骑行出行模式的理解。为此，本文提出了一种识别骑行用户个体社会经济画像与出行活动画像的新框架和方法。该框架通过耦合共享单车出行大数据与住宅房价数据，实现对用户个体SES的推断与分类，并从出行目的、时间、范围和强度四个维度量化其日常出行特征。基于识别结果，本文探讨了不同SES群体间的骑行出行模式差异，并得到以下发现：1）骑行群体的社会经济水平与其日常活动空间密切相关，但市中心城中村周边的骑行人群表现出一定的特殊性。2）低SES骑行用户面临更高的出行时间成本和空间成本、更高的通勤骑行比例及更长的工作时间，反映其出行负担重、个人可支配时间少。3）高SES骑行群体的非通勤需求更高，表现为较低的通勤骑行比重和较高的休息日骑行比例。

上述发现深化了我们对大城市骑行公平性的理解，为城市慢行交通规划和骑行设施优化提供了决策依据。通过关注不同SES群体的骑行差异，城市规划者可以更有针对性地设计骑行基础设施，提升骑行的公平性与吸引力，推动城市交通可持续发展

02数据和方法

本文研究采用的数据主要包括2亿多条个体共享单车出行数据和安居客的小区住宅房价数据。数据的预处理包括过滤异常单车出行记录，筛选活跃单车用户的以及识别他们的骑行通勤模式（以获取用户个体的职住地与相关日常出行特征），部分方法细节在我们之前的研究中介绍(Zhuang et al., 2024, SCS)。本文的研究框架如图1所示，可分为三个部分展开。首先，基于个体出行大数据推断用户日常活动地，并基于家的活动地对共享单车用户个体的社会经济画像进行推断与分类；之后，从四个出行维度选取13个指标对用户个体的日常出行活动画像进行刻画。最后，通过汇总不同SES骑行群体的出行指标，揭示社会经济地位与日常骑行模式的联系。需要注意的是，由于我们先前研究将单车用户分为“仅靠骑行”与“骑行-接驳-骑行”两类通勤用户，并发现两者在日常骑行模式上存在差异，因此本文的第三部分也会视情况将这两类用户分开进行汇总分析。

图1 研究框架图

03部分内容

图2 不同SES共享单车用户群体的职住地空间分布与平均间距

图3 不同SES共享单车用户群体的通勤时长分布

图4 不同SES共享单车用户群体的工作时长分布

图5 不同SES共享单车用户群体的平均骑行时长分布

04总结与讨论

结合上述结果，本文将研究发现概况为以下三方面内容： 1）社会经济水平深刻影响着共享单车用户日常活动的空间格局。2）低社会经济地位的共享单车群体日常面临着的更大出行负担。3）高社会经济地位的共享单车群体具有更高的非通勤旅行需求。并在原文对比了现有研究并进一步进行了分析讨论。

与此同时，本研究还存在着一些方面的不足有待后续完善。诸如，本文仅聚焦于共享单车用户群体，但并未考虑的私人自行车骑行群体。未来研究可进一步结合出行调查或普查数据，以验证本文所得结论的可推广性。此外，居民的日常出行模式与城市的形态结构紧密关联；而共享单车作为一种公共交通工具，还受到当地的交通政策所影响。因此，后续研究有必要进一步探讨本文所得结果在其他城市间的共性和差异，以增强相关研究结论的普适性。最后，本文仅以住宅房价数据作为推断个体社会经济画像的代理指标，其结果不可避免地存在着一些偏差于不确定性。而结合更加多元化的个体属性信息，如教育水平、职业类型等，建立更全面的骑行用户画像是未来研究可进一步改进的重要方向。

期刊及作者介绍

Annals of the American Association of Geographers是美国地理学家协会（AAG）的官方期刊，也是国际地理学领域具有极高权威性和广泛影响力的学术期刊，期刊涵盖了地理学的各个分支领域，包括自然地理学、人文地理学、地理信息科学等。

庄财钢博士（左一）和李少英教授（左二）合照

庄财钢：本科和硕士均毕业于广州大学地理科学与遥感学院（导师：李少英教授），是我院优秀硕士毕业生，获得过学业奖学金和国家奖学金；2024年9月赴中山大学攻读博士学位（导师：刘小平教授），研究方向为“时空大数据挖掘”。已在Annals of the American Association of Geographers、Applied Geography、Journal of transport Geography等期刊发表论文7篇（一作4篇；二作3篇），授权专利3项（第一发明人1项，第二发明人2项）。

庄财钢本硕期间研究成果：

[1]Zhuang, C., Li, S., & Liu, X. (2025). Unveiling Disparities in Bicycling Mobility Patterns Across Socioeconomic Statuses: A Framework for Identifying User Profiles in Dockless Bike-Sharing Systems.Annals of the American Association of Geographers, 1–23.

[2]Zhuang, C., Li, S., Zhuang, H., & Liu, X. (2024). Mining individual daily commuting patterns of dockless bike-sharing users: a two-layer framework integrating spatiotemporal flow clustering and rule-based decision trees. Sustainable Cities and Society, 118, 105985.

[3]Zhuang, C., Li, S., & Liu, X. (2025). Exploring socio-spatial differentiation in bike-sharing: A daily activity space analysis of cyclists across different socioeconomic statuses. Applied Geography, 177, 103536.

[4]Zhuang,C., Li, S., Tan, Z., Gao, F., & Wu, Z. (2022). Nonlinear and threshold effects of traffic condition and built environment on dockless bike sharing at street level. Journal of Transport Geography, 102, 103375.

[5]Li S Y, Zhuang C G, Tan Z Z, Gao F, Lai Z P, Wu Z F.(2021). Inferring the trip purposes and uncovering spatio-temporal activity patterns from dockless shared bike dataset in Shenzhen, China. Journal of Transport Geography, 91(1):102974.

[6]Cui X Z, Zhuang C G, Jiao Z Z, Tan Z Z, Li S Y. (2023). How can urban built environment (BE) influence on-road (OR) carbon emissions? A road segment scale quantification based on massive vehicle trajectory big data.  Journal of Transport Geography, 111: 103669.

[7]Li, S., Zhuang, C., Guo, E., Liang, K., & Liang, S. (2023). Research on bike-sharing travel behavior: A review of the Chinese language literature. Transactions in Urban Data, Science, and Technology, 2(2–3), 100–122. 

[8]庄财钢, 李少英, 高枫. 一种共享单车骑行目的推断方法、装置及存储介质: 广东省, CN111581318A[P]. 2020-08-25

[9]李少英, 庄财钢, 吴志峰. 一种基于共享单车通勤行为识别方法、系统、设备和介质: 广东省, CN117612254B[P]. 2024-06-21

[10]谢鸿宇, 庄财钢, 陈川, 郑会龙, 崔曜. 一种桥墩结构的建模方法、装置及存储介质: 广东省, CN117392320A[P]. 2024-01-12

李少英，博士，教授，博导。本硕博毕业于中山大学。入选国家重大人才计划青年学者，中国女科协第五次全国代表大会代表，高校GIS创新人物，广东省数字政府专家，广州市高层次人才。兼任中国地理学会首届女地理工作者工作委员会委员、中国测绘学会地图学与GIS专业委员会委员、广东省地理学会常务理事，以及IJDE客座主编和《地理科学》编委、《遥感技术与应用》青年编委等职务。已在地理学报、遥感学报、地理研究、Annals of the AAG、IJGIS、JTRG、Cities、Applied Geography、Land  use policy等国内外权威刊物发表论文80余篇。出版专著3部，教材2部；授权软件著作权2部，授权/申请发明专利8部。主持国家自然科学项目3项等纵项课题10余项以及多项横向课题。主讲课程入选广东省一流线上线下混合课程，在中国大学MOOC平台上线，入选国家高等教育智慧教育平台首批上线课程，并被应用于广东省数字政府课堂。曾获第四届广东省教师教学创新大赛二等奖。曾获中国地理信息科技进步一等奖、中国测绘科学技术奖二等奖等奖励。连续两年指导学生获得全国高校GIS大赛论文组一等奖（中国地理学会，唯一一个一等奖），指导硕士生获得2020-2021年度、2023-2024年度广州大学优秀硕士学位论文，指导硕士生获得第十届高校GIS论坛优秀硕士论文（共评5篇）。